继攵女h娇喘抽搐喷潮h,www.97av,senima尼玛亚洲综合影院 收藏,激情婷婷综合

  • 產(chǎn)品與服務(wù)矩陣
  • 資源中心
  • 關(guān)于我們

【ChatGPT系列話題】金融行業(yè)大語言模型應用落地

行業(yè)監(jiān)測分析 易觀分析 2023-04-03 7641
ChatGPT和GPT-4陸續(xù)發(fā)布，引發(fā)了我們對于大模型在各個行業(yè)可能應用方向的想象與探索，包括今天我們重點提到的金融行業(yè)。在金融行業(yè)，大模型有非常多的應用場景，包括投研、產(chǎn)品研發(fā)、授信審核等，例如使用Copilot，幫助程序員來寫代碼，或者來做代碼檢測與測試等，也可以使用大模型的多輪對話能力，最大限度提高客戶服務(wù)的質(zhì)量，從而提升用戶體驗等。

金融行業(yè)真正推進大模型的落地的過程中，需要考慮如下四個挑戰(zhàn)，最后一個挑戰(zhàn)最重要，影響也最長遠。


第一個，可信度的挑戰(zhàn)，我們在贊嘆ChatGPT能力的同時，應該都有注意到，它在跟我們對話的過程中，暴露出來了一些問題，例如回答不夠準確，甚至錯誤的情況，例如針對同一個問題，也有可能出現(xiàn)截然相反的回答，而金融行業(yè)是一個對于模型的可解釋性和魯棒性等，要求非常高的一個行業(yè)。大語言模型當下輸出結(jié)果的可解釋性目前是相對封閉、不透明的，同時，其穩(wěn)定性也仍然受到數(shù)據(jù)、算法、訓練等方面的干擾，出現(xiàn)非魯棒性的特征。這些都是在可信度方面，金融行業(yè)落地大模型應用非常重要的挑戰(zhàn)。

第二，業(yè)務(wù)理解的挑戰(zhàn)，目前的大語言模型實際上是基于通用知識庫進行訓練的，但是進入到金融的業(yè)務(wù)場景當中，無論是信貸、財富管理等，都還需要針對金融行業(yè)的業(yè)務(wù)屬性與業(yè)務(wù)邏輯等進行增量訓練，才能真正意義上解決業(yè)務(wù)問題和實現(xiàn)智能決策。

第三，成本投入挑戰(zhàn)，當前大模型的應用成本仍然是比較高的，一方面是巨大的算力消耗成本，另一方面是為了解決前面提到的業(yè)務(wù)理解挑戰(zhàn)，所產(chǎn)生的金融業(yè)務(wù)屬性訓練語料、數(shù)據(jù)標注以及模型的訓練成本，盡管金融行業(yè)的科技投入還是比較高的，但是仍然需要通過模型壓縮、小樣本訓練等方式進一步降低應用成本，才能真正意義上投入生產(chǎn)環(huán)境進行使用。

第四，也是我們剛剛提到最重要的一個挑戰(zhàn)，就是組織能力的挑戰(zhàn)，金融行業(yè)當然可以通過大模型的應用來替代人力去做非常多機械型、流程型，乃至一部分創(chuàng)造型的工作。但是，金融機構(gòu)需要同步考慮的是，如何打造人和機器或者人與人工智能有機協(xié)同與合作的關(guān)系，一方面是如何更好地為員工，為人來賦能，提升人使用AI工具的能力，另一方面也包括不斷調(diào)整和優(yōu)化人與數(shù)字員工的職能邊界。

只有當我們認真討論風險與挑戰(zhàn)的時候，才意味著，距離進入大語言模型開啟的金融智能時代不遠了，如果你還有關(guān)于金融行業(yè)數(shù)字化方面的問題，歡迎給我留言，我們來一起討論。